EXPLAIN 执行计划分析：type / key / rows / Extra 解读 + 慢查询定位

一句话：EXPLAIN 是 MySQL 中用于分析查询执行计划的命令，可以帮助我们理解查询是如何执行的，识别性能瓶颈，优化慢查询。

1. EXPLAIN 基础

1.1 使用方法

 
-- 基本语法
 
EXPLAIN SELECT * FROM users WHERE id = 1;
 
-- 查看JSON格式（更详细）
 
EXPLAIN FORMAT=JSON SELECT * FROM users WHERE id = 1;
 
-- 查看树形格式（MySQL 8.0+）
 
EXPLAIN FORMAT=TREE SELECT * FROM users WHERE id = 1;
 

1.2 执行计划解读顺序

graph TD

    A[EXPLAIN结果] --> B[id: 查询序号]

    A --> C[select_type: 查询类型]

    A --> D[table: 表名]

    A --> E[type: 访问类型]

    A --> F[key: 使用的索引]

    A --> G[rows: 扫描行数]

    A --> H[Extra: 额外信息]

    style E fill:#e1f5fe

    style F fill:#e8f5e8

2. 关键字段解读

2.1 type（访问类型）

重要性：⭐⭐⭐⭐⭐（最重要的字段之一）

type值	说明	性能	示例
system	表只有一行记录	⭐⭐⭐⭐⭐	系统表
const	通过主键或唯一索引查找	⭐⭐⭐⭐⭐	WHERE id = 1
eq_ref	关联查询中使用主键或唯一索引	⭐⭐⭐⭐	JOIN ON a.id = b.id
ref	使用非唯一索引查找	⭐⭐⭐	WHERE name = 'Alice'
range	索引范围扫描	⭐⭐⭐	WHERE id > 100
index	全索引扫描	⭐⭐	SELECT id FROM users
ALL	全表扫描	⭐	SELECT * FROM users

优化目标：至少达到 ref 级别，避免 ALL。

2.2 key（使用的索引）

 
-- 显示查询实际使用的索引
 
key: PRIMARY          -- 使用主键索引
 
key: idx_name         -- 使用普通索引
 
key: NULL             -- 未使用索引
 

重要性：⭐⭐⭐⭐

2.3 rows（扫描行数）

 
-- 预估需要扫描的行数
 
rows: 1000            -- 需要扫描1000行
 
rows: 1               -- 只需要扫描1行
 

重要性：⭐⭐⭐（越小越好）

2.4 Extra（额外信息）

重要性：⭐⭐⭐⭐

Extra值	说明	性能
Using index	覆盖索引，无需回表	⭐⭐⭐⭐⭐
Using where	在存储引擎层过滤后，还需在Server层过滤	⭐⭐⭐
Using temporary	使用临时表	⭐⭐
Using filesort	使用文件排序	⭐⭐
Select tables optimized away	优化器已优化	⭐⭐⭐⭐⭐

3. 常见执行计划分析

3.1 简单查询

 
EXPLAIN SELECT * FROM users WHERE id = 1;
 

结果解读：

• type: const（主键查找）

• key: PRIMARY（使用主键）

• rows: 1（只扫描1行）

• Extra: NULL（无额外信息）

3.2 范围查询

 
EXPLAIN SELECT * FROM users WHERE age > 25 AND age < 30;
 

结果解读：

• type: range（范围扫描）

• key: idx_age（使用age索引）

• rows: 100（预估扫描100行）

• Extra: Using where（需要额外过滤）

3.3 关联查询

 
EXPLAIN
 
SELECT u.name, o.order_date
 
FROM users u
 
INNER JOIN orders o ON u.id = o.user_id
 
WHERE u.age > 25;
 

结果解读：

• 两个表都有记录

• type: ref（使用索引关联）

• key: PRIMARY, idx_user_id（两个索引）

• rows: 100, 500（扫描行数）

• Extra: Using join buffer（使用连接缓冲）

4. 慢查询定位

4.1 开启慢查询日志

 
-- 查看慢查询配置
 
SHOW VARIABLES LIKE 'slow_query%';
 
SHOW VARIABLES LIKE 'long_query_time';
 
-- 开启慢查询日志
 
SET GLOBAL slow_query_log = 'ON';
 
SET GLOBAL long_query_time = 2;  -- 超过2秒记录
 

4.2 分析慢查询

 
-- 使用mysqldumpslow工具
 
mysqldumpslow -s t -t 10 /var/log/mysql/slow.log
 
-- 使用pt-query-digest工具
 
pt-query-digest /var/log/mysql/slow.log
 

4.3 优化慢查询

 
-- 1. 添加索引
 
ALTER TABLE users ADD INDEX idx_age (age);
 
-- 2. 重写查询
 
-- 原查询
 
SELECT * FROM users WHERE YEAR(create_time) = 2026;
 
-- 优化后
 
SELECT * FROM users WHERE create_time >= '2026-01-01' AND create_time < '2027-01-01';
 
-- 3. 分页优化
 
-- 原查询（慢）
 
SELECT * FROM users ORDER BY id LIMIT 100000, 10;
 
-- 优化后（快）
 
SELECT * FROM users WHERE id > 100000 ORDER BY id LIMIT 10;
 

5. 高级分析

5.1 JSON格式分析

 
EXPLAIN FORMAT=JSON SELECT * FROM users WHERE id = 1\G
 

关键字段：

• query_block：查询块

• table：表信息

• access_type：访问类型

• possible_keys：可能使用的索引

• key：实际使用的索引

• rows：扫描行数

• filtered：过滤百分比

5.2 树形格式分析（MySQL 8.0+）

 
EXPLAIN FORMAT=TREE SELECT * FROM users WHERE id = 1\G
 

输出示例：

 
-> Index lookup on users using PRIMARY  (cost=0.35 rows=1)
 

7. 优化案例

案例1：全表扫描优化

 
-- 原查询（慢）
 
EXPLAIN SELECT * FROM users WHERE name = 'Alice';
 
-- type: ALL, rows: 100000
 
-- 优化后
 
ALTER TABLE users ADD INDEX idx_name (name);
 
EXPLAIN SELECT * FROM users WHERE name = 'Alice';
 
-- type: ref, rows: 1
 

案例2：文件排序优化

 
-- 原查询（慢）
 
EXPLAIN SELECT * FROM users ORDER BY name;
 
-- Extra: Using filesort
 
-- 优化后
 
ALTER TABLE users ADD INDEX idx_name (name);
 
EXPLAIN SELECT * FROM users ORDER BY name;
 
-- Extra: Using index
 

案例3：分页查询优化

 
-- 原查询（慢）
 
EXPLAIN SELECT * FROM users ORDER BY id LIMIT 100000, 10;
 
-- rows: 100010
 
-- 优化后
 
EXPLAIN SELECT * FROM users WHERE id > 100000 ORDER BY id LIMIT 10;
 
-- rows: 10
 

核心要点

 
-- 执行EXPLAIN
 
EXPLAIN SELECT * FROM users WHERE id = 1;
 
-- 关键字段
 
type: 访问类型（至少ref级别）
 
key: 使用的索引
 
rows: 扫描行数（越小越好）
 
Extra: 额外信息（避免Using filesort/temporary）
 
-- 慢查询优化
 
1. 添加索引
 
2. 重写查询
 
3. 分页优化
 
4. 避免SELECT *
 

▶ 对应原理：26-EXPLAIN解读

速记卡（面试闪卡）

Q1：一句话讲清「EXPLAIN 执行计划分析：type / key / rows / Extra 解读 + 慢查询定位」到底是什么？

A：EXPLAIN 是 MySQL 给你的查询”体检报告”：不真跑 SQL，只说优化器打算怎么执行、哪里会慢。

Q2：四张成绩单怎么读 —— 怎么理解？

A：像看体检单：type 是”运动能力等级”（const 满分级、ALL 全表扫最差），key 是”用了哪台仪器”（NULL 就是没用上索引），rows 是”估算要查多少人”（越小越好），Extra 是”医嘱备注”——Using index 是免回表的福报，Using filesort 是排序在拖后腿。

Q3：怎么用它抓慢查询 —— 怎么理解？

A：像查水管漏点：先 EXPLAIN 看 type 是不是 ALL（全表扫=漏水主因）、key 是不是 NULL（索引没生效）、rows 是不是大得离谱。再配合 slow query log（慢查询日志，记录超过阈值的 SQL）和 FORMAT=JSON 看执行细节，定位后要么加索引、要么改 SQL。

Q4：覆盖索引与回表 —— 怎么理解？

A：覆盖索引（Covering Index）= 你要的列全在索引里，护士直接把药递给你，不用再去药房跑一趟（回表）。回表 = 二级索引只记了主键，要拿别的列得拿主键去聚簇索引再查一次，多一次 IO。所以建联合索引尽量把要查的列包进去，Extra 里看到 Using index 就是建对了。

Q5：type 梯度怎么记 —— 怎么理解？

A：type 像电梯楼层：system/const（直达顶层，主键精确命中）> eq_ref（JOIN 用主键）> ref（普通索引）> range（范围扫）> index（扫全索引）> ALL（爬楼梯全表扫）。记住”能 const 不 ref，能 ref 不 ALL”，面试常问 const 和 ref 差在哪——前者唯一索引命中一行，后者普通索引可能多行。

Q6：核心速记主线有哪些？

• EXPLAIN 只分析计划、不真跑 SQL

• 四字段：type / key / rows / Extra

• type 梯度 const>ref>range>index>ALL

• 覆盖索引免回表（Using index），配慢查询日志定位

口诀

A：EXPLAIN 体检不真跑，四字段记牢 type key rows Extra

type 梯度 const 最美，ALL 全表最该逃

key 为 NULL 索引没用上，filesort 见 Extra 要优化

覆盖索引 Using index，免回表来速度快

相关链接

• 📋 目录：00-MySQL

• 📚 学习清单：技术学习路线图 > MySQL 实战

• 🔗 数据库基础

• 🔗 SQLAlchemy ORM

• 🔗 窗口函数

相关链接

• DENSE_RANK

• rollback 代码 + 隔离级别设置 + 死锁排查

• 条件查询与排序分页

• 子查询与多表连接JOIN

• CRUD操作与数据类型